金準人工智能2018年我國智能制造報告

1、.wd.wdPAGE15 / NUMPAGES15.wd金準人工智能 2018中國智能制造報告前言智能制造是基于新一代信息技術，貫穿設計、生產(chǎn)、管理、服務等制造活動環(huán)節(jié)，具有信息深度自感知、智慧優(yōu)化自決策、精準控制自執(zhí)行等功能的先進制造過程、系統(tǒng)與模式的總稱。簡而言之，智能制造是由物聯(lián)網(wǎng)系統(tǒng)支撐的智能產(chǎn)品、智能生產(chǎn)和智能服務。智能制造已經(jīng)成為全球價值鏈重構和國際分工格局調(diào)整背景下各國的重要選擇。興旺國家紛紛加大制造業(yè)回流力度，提升制造業(yè)在國民經(jīng)濟中的戰(zhàn)略地位。亞洲作為制造業(yè)重要區(qū)域也在積極部署自動化、智能化。一、突破與成長亞洲正受到自動化、智能化大潮沖擊。國際勞工組織International

2、 Labour Organisation調(diào)研發(fā)現(xiàn)，越南、柬埔寨、菲律賓和印度尼西亞的工人的失業(yè)風險最高，據(jù)估計這幾個區(qū)域約50%的工人工作可能在未來20年被自動化取代。亞洲作為制造業(yè)的重要區(qū)域，在面臨制造業(yè)向自動化、智能化、數(shù)字化轉型中，能否繼續(xù)保持其競爭力毫無疑問，亞洲正在積極尋求突破。以人工智能為例，各國政府大力支持人工能，推動科技公司、初創(chuàng)公司和學術界的創(chuàng)新。2017年，韓國政府宣布了10億美元的人工智能資金；日本鼓勵人工智能創(chuàng)業(yè)公司和風險投資；新加坡政府的國家研究基金會宣布國家人工智能方案AI.SG，方案未來五年投入1.5億新加坡元約1.07億美元開展人工智能。除了政府的支持，亞洲企業(yè)

3、更積極打破行業(yè)壁壘加快新產(chǎn)品開發(fā)。不同于歐美同類企業(yè)，中國領先企業(yè)間的合作屢見不鮮，一些知名范例包括：百度與小米在物聯(lián)網(wǎng)與人工智能領域合作開發(fā)更多應用場景；騰訊與京東合作布局電子商務生態(tài)圈；印度系統(tǒng)集成商組成AI聯(lián)盟OpenAI。這賦予它們驚人的影響力，也意味著它們擁有可用于快速推動創(chuàng)新的技術實力和資本根基。中國是亞洲智能化轉型的重要力量。政府加強智能制造頂層設計，開展試點示范和標準體系建設；企業(yè)加快數(shù)字化轉型，提升系統(tǒng)解決方案能力。中國智能制造取得明顯成效，進入高速成長期。中國智能制造進入成長期主要表達在三方面：首先，中國工業(yè)企業(yè)數(shù)字化能力素質(zhì)提升，為未來制造系統(tǒng)的分析預測和自適應奠定根基。

4、第二、財務效益方面，智能制造對企業(yè)的利潤奉獻率明顯提升。第三、典型應用方面，中國已成為工業(yè)機器人第一消費大國，需求增長強勁。1.1數(shù)字化能力素質(zhì)提升企業(yè)數(shù)字化能力素質(zhì)表達在其利用數(shù)據(jù)指導生產(chǎn)以及系統(tǒng)自優(yōu)化的能力。我們借鑒國際普遍認可的工業(yè)4.0開展路徑，將企業(yè)智能化成熟度分為六個階段：計算機化、連接、可視、透明、預測和自適應。計算機化：企業(yè)通過計算機化高效處理重復性工作，并實現(xiàn)高精度、低成本制造。但不同的信息技術系統(tǒng)在企業(yè)內(nèi)部獨立運作，很多設備并不具備數(shù)字接口。連接：相互關聯(lián)的環(huán)節(jié)取代各自為政的信息技術。操作技術OT系統(tǒng)的各局部實現(xiàn)了連通性和互操作性，但是依舊未能到達IT層面和OT層面的完全整

5、合 6 。可視：了解正在發(fā)生什么，通過現(xiàn)場總線和傳感器等物聯(lián)網(wǎng)技術，企業(yè)捕獲大量的實時數(shù)據(jù)，建設起企業(yè)的“數(shù)字孿生，從而改變以前基于人工經(jīng)歷的決策方式，轉為基于數(shù)字進展決策。透明：了解事件發(fā)生的原因，并通過 根本原因分析生成認識。預測：將數(shù)字孿生投射到未來，模擬不同的情景對未來開展進展預測，并適時做出決策和采取適當措施。自適應：預測能力只是自動化行為和決策的 根本要求，而持續(xù)的自適應那么使企業(yè)實現(xiàn)自主響應，以便其盡快適應變化的經(jīng)營環(huán)境。隨著中國兩化融合和工業(yè)物聯(lián)網(wǎng)建設等多項舉措推進，制造型企業(yè)數(shù)字化能力素質(zhì)顯著提升，大局部企業(yè)正致力于數(shù)據(jù)縱向集成。金準人工智能專家調(diào)研結果顯示，81%的受訪企業(yè)

6、已完成計算機化階段，其中41%處于連接階段，28%處于可視階段，9%處于透明階段，而預測和自適應階段的企業(yè)各自占2%。1.2智能制造利潤奉獻顯著提升向工業(yè)4.0進階為制造企業(yè)帶來真實可見的效益。2013年金準人工智能專家曾調(diào)研全國200家制造型企業(yè)，結果顯示中國企業(yè)智能制造處在初級階段，且利潤微薄。經(jīng)過五年的快速開展，智能制造產(chǎn)品和服務的盈利能力顯著提升。2013年智能制造為企業(yè)帶來的利潤并不明顯，55%的受訪企業(yè)其智能制造產(chǎn)品和服務凈利潤奉獻率處于0-10%的區(qū)間，而2017年，僅有11%的受訪企業(yè)處于這個區(qū)間，而41%的企業(yè)其智能制造利潤奉獻率在11-30%之間。利潤奉獻率超過50%的企業(yè)

7、，由2013年受訪企業(yè)占比14%提升到2017年的33%。智能制造利潤奉獻率明顯提升，利潤來源包括生產(chǎn)過程中效率的提升和產(chǎn)品服務價值的提升。1.3應用市場潛力中國已連續(xù)六年為工業(yè)機器人第一消費大國。IFR (International Federationof Robotics)數(shù)據(jù)顯示，中國工業(yè)機器人市場規(guī)模在2017年為42億美元，全球占比27%， 2020年將擴大到59億美元。2018-2020年國內(nèi)機器人銷量將分別為16、19.5、23.8萬臺，未來3年CAGR到達22%。汽車、高端裝備制造和電子電器行業(yè)依然為工業(yè)機器人的主要用戶。中國有哪些獨特優(yōu)勢首先是數(shù)據(jù)量。當前人工智能熱潮背后的

8、機器學習技術對數(shù)據(jù)極其依賴。識別人臉、翻譯語言和試驗無人駕駛汽車需要大量的“訓練數(shù)據(jù)。由于中國的人口數(shù)量和設備數(shù)量龐大，中國企業(yè)在獲取數(shù)據(jù)方面具有天然的優(yōu)勢。第二，中國制造業(yè)企業(yè)硬件設備和廠房相對歐美企業(yè)普遍較新，對比容易實現(xiàn)設備連接和廠房改造。二、智能制造部署重點金準人工智能專家調(diào)查發(fā)現(xiàn)，中國工業(yè)企業(yè)智能制造五大部署重點依次為：數(shù)字化工廠63%、設備及用戶價值深挖62%、工業(yè)物聯(lián)網(wǎng)48%、重構商業(yè)模式36%以及人工智能21%。訪企業(yè)所關注的相關技術包括工業(yè)軟件、傳感器技術、通信技術、人工智能、物聯(lián)網(wǎng)、大數(shù)據(jù)分析等。當然，我們不能簡單認為有了這些技術，就是實現(xiàn)智能制造，因為新制造業(yè)文化的變革進

9、程是相當復雜和緩慢的，沒有行業(yè)、企業(yè)與用戶的融合推進，這次變革無法實現(xiàn)。2.1數(shù)字化工廠智能制造是以制造環(huán)節(jié)的智能化為核心，以端到端數(shù)據(jù)流為根基，以數(shù)字作為核心驅動力，因此數(shù)字化工廠被企業(yè)列為智能制造部署的首要任務。目前企業(yè)數(shù)字化工廠部署以打通生產(chǎn)到執(zhí)行的數(shù)據(jù)流為主要任務，而產(chǎn)品數(shù)據(jù)流和供給鏈數(shù)據(jù)流提升空間大。數(shù)字化工廠通過新一代信息技術，實現(xiàn)從設計、生產(chǎn)、物流和服務等各個環(huán)節(jié)的數(shù)據(jù)串連，加速決策，提高準確性。只有打通數(shù)據(jù)流才能實現(xiàn)基于實時數(shù)據(jù)變化，對生產(chǎn)過程進展分析和優(yōu)化處理，進而實現(xiàn)業(yè)務流程、工藝流程和資金流程的協(xié)同，以及生產(chǎn)資源材料、能源等在企業(yè)內(nèi)部及企業(yè)之間的動態(tài)配置。打通數(shù)據(jù)流也是工

10、廠建設“數(shù)字孿生的前提，數(shù)字孿生不僅指產(chǎn)品的數(shù)字化，也包含工廠本身和工藝流程及設備的數(shù)字化，從而實現(xiàn)全面追溯、物理與虛擬雙向共享和交互信息。打通數(shù)據(jù)流主要包括三類數(shù)據(jù)的連通，即生產(chǎn)流程數(shù)據(jù)、產(chǎn)品數(shù)據(jù)以及供給鏈數(shù)據(jù)。2.1.1生產(chǎn)流程數(shù)據(jù)打通生產(chǎn)流程數(shù)據(jù)除了從生產(chǎn)方案到執(zhí)行的數(shù)據(jù)流(如ERP到MES)， 還包括MES與控制設備和監(jiān)視設備之間的數(shù)據(jù)流，現(xiàn)場設備與控制設備之間的數(shù)據(jù)流，以及MES與現(xiàn)場設備之間的數(shù)據(jù)流等。2.1.2產(chǎn)品數(shù)據(jù)流打通產(chǎn)品數(shù)據(jù)流主要表達在產(chǎn)品全生命周期數(shù)字一體化和產(chǎn)品全生命周期可追溯。產(chǎn)品全生命周期數(shù)字一體化以縮短研發(fā)周期為核心，主要應用基于模型定義MBD技術進展產(chǎn)品研發(fā)、

11、建設產(chǎn)品全生命周期管理系統(tǒng)(PLM)等。研發(fā)是數(shù)字化工廠“數(shù)據(jù)鏈條的起點，研發(fā)環(huán)節(jié)產(chǎn)生的數(shù)據(jù)將在工廠的各個系統(tǒng)間實時傳遞，數(shù)據(jù)的同步更新防止了傳統(tǒng)制造企業(yè)經(jīng)常出現(xiàn)的由于溝通不暢產(chǎn)生的過失，也使得工廠的效率大大提升，縮短產(chǎn)品研制周期。產(chǎn)品全生命周期可追溯以提升產(chǎn)品質(zhì)量管控為核心。主要應用是讓產(chǎn)品在全生命周期具有唯一標識，應用傳感器、智能儀器儀表、工控系統(tǒng)等自動采集質(zhì)量管理所需要數(shù)據(jù)，通過MES系統(tǒng)開展在線質(zhì)量檢測和預警等。2.1.3供給鏈數(shù)據(jù)流打通供給鏈數(shù)據(jù)流主要表達在供給鏈上下游協(xié)同優(yōu)化，實現(xiàn)網(wǎng)絡協(xié)同制造。主要應用是建設跨企業(yè)制造資源協(xié)同平臺，實現(xiàn)企業(yè)間研發(fā)、管理和服務系統(tǒng)的集成和對接，為接入

12、企業(yè)提供研發(fā)設計、運營管理、數(shù)據(jù)分析、知識管理、信息安全等服務，開展制造服務和資源的動態(tài)分析和柔性配置。金準人工智能專家調(diào)研結果顯示，目前企業(yè)致力于打通從ERP到MES乃至現(xiàn)場設備的數(shù)據(jù)流，但這也僅是從生產(chǎn)到執(zhí)行的打通，未來還需將產(chǎn)品數(shù)據(jù)、供給鏈數(shù)據(jù)串聯(lián)。我們們將生產(chǎn)數(shù)據(jù)流分為兩個環(huán)節(jié)：一、打通生產(chǎn)方案與執(zhí)行系統(tǒng)的數(shù)據(jù)流；二、執(zhí)行與監(jiān)控和現(xiàn)場設備的數(shù)據(jù)流。結果顯示， 83%的受訪企業(yè)表示已打通ERP和MES的數(shù)據(jù)流打通。62% 的企業(yè)繼續(xù)向下打通MES到現(xiàn)場設備的數(shù)據(jù)流。但僅有47%的企業(yè)打通了產(chǎn)品數(shù)據(jù)流，44%的企業(yè)打通供給鏈數(shù)據(jù)流圖2.4。而且考慮到我們調(diào)查的企業(yè)均為資質(zhì)較好且為中等以上規(guī)

13、模，這一系列比率顯然高于中國整體平均水平。從行業(yè)角度來看，航空航天領域全部受訪企業(yè)已經(jīng)打通從生產(chǎn)方案到執(zhí)行的數(shù)據(jù)，但從生產(chǎn)執(zhí)行到現(xiàn)場設備、產(chǎn)品以及供給鏈的數(shù)據(jù)鏈條連通相對滯后，提升空間大。電子組件及電器制造行業(yè)產(chǎn)品數(shù)據(jù)流和供給鏈數(shù)據(jù)流連通情況高于其他行業(yè)，數(shù)字化工廠整體水平較高。產(chǎn)品質(zhì)量可謂是制藥行業(yè)的生命，而打通產(chǎn)品數(shù)據(jù)流的制藥企業(yè)僅占33%，行業(yè)需要強化產(chǎn)品全生命周期可追溯，提升產(chǎn)品質(zhì)量管控能力。汽車及汽車零部件以及高端裝備制造都在產(chǎn)品數(shù)據(jù)流方面領先圖2.5。未來數(shù)字世界和現(xiàn)實世界會是一體兩面，打通數(shù)據(jù)流也是數(shù)字孿生digital twin操作的根基。金準人工智能專家認為數(shù)字孿生是物理實體

14、或流程的準實時數(shù)字化鏡像，有助于企業(yè)績效提升。數(shù)字孿生往往包含“數(shù)字產(chǎn)品孿生、“生產(chǎn)工藝流程數(shù)字孿生和“設備數(shù)字孿生不同層面但可以高度集中統(tǒng)一的數(shù)據(jù)模型。數(shù)字產(chǎn)品孿生領域，特斯拉公司為其生產(chǎn)和銷售的每一輛電動汽車都建設數(shù)字孿生模型，相對應的模型數(shù)據(jù)都保存在公司數(shù)據(jù)庫。每輛電動車每天報告其日常經(jīng)歷，并通過數(shù)字孿生的模擬程序使用這些數(shù)據(jù)來發(fā)現(xiàn)可能的異常情況并提供糾正措施。通過數(shù)字孿生模擬，特斯拉每天可獲得相當于160萬英里的駕駛體驗，并在不斷的學習過程中反響給每輛車。生產(chǎn)流程數(shù)字孿生領域，一些嗅覺敏銳的工廠及生產(chǎn)線開場引入數(shù)字孿生，在建造之前，對工廠進展仿真和模擬，虛擬出建造工廠的最正確流程，再將

15、真實參數(shù)傳給實際的工廠建設，有效減少誤差和風險。待廠房和生產(chǎn)線建成之后，日常的運行和維護通過數(shù)字孿生進展交互，能夠迅速找出問題所在，提高工作效率。Gartner對美國、德國、中國與日本的202位企業(yè)的調(diào)查發(fā)現(xiàn)，到2020年，至少50%年收入超過50億美元的制造商將為其產(chǎn)品或資產(chǎn)啟動至少一項數(shù)字孿生工程，屆時參與使用數(shù)字孿生技術的企業(yè)數(shù)量將增長3倍。預計在今后數(shù)年時間，將有數(shù)以億計的用戶使用數(shù)字孿生操作，它將被企業(yè)用于規(guī)劃設備服務、生產(chǎn)線操作、預測設備故障、提高操作效率、加速新產(chǎn)品開發(fā)等。在未來，這項技術有望與工業(yè)生產(chǎn)徹底融合，推動智能工業(yè)進入新階段。若何創(chuàng)立數(shù)字孿生金準人工智能專家認為數(shù)字孿生

16、的創(chuàng)立包含兩個主要關注領域：一是設計數(shù)字孿生的流程和產(chǎn)品生命周期的數(shù)據(jù)要求 從資產(chǎn)的設計到資產(chǎn)在真實世界中的現(xiàn)場使用和維護；二是創(chuàng)立使能技術，整合真實資產(chǎn)及其數(shù)字孿生，使傳感器數(shù)據(jù)與企業(yè)核心系統(tǒng)中的運營和交易信息實現(xiàn)實時流動。2.2設備和用戶價值深度挖掘制造型企業(yè)面臨愈發(fā)劇烈的市場競爭和日益透明的產(chǎn)品定價，不得不尋找新的價值來源。金準人工智能專家智能制造調(diào)研結果顯示，設備和用戶價值深度挖掘是企業(yè)智能制造部署第二重點領域。62%的受訪企業(yè)正積極部署設備和用戶價值深度挖掘，其中41%的企業(yè)側重設備價值挖掘，21%的企業(yè)側重用戶價值挖掘。圍繞設備進展價值挖掘可以說是制造型企業(yè)的天性。如在研發(fā)設計階段

17、，嵌入新技術，生產(chǎn)更智能或更多樣化的產(chǎn)品；在銷售階段，提供設備相關金融服務；在售后階段，對出廠設備和產(chǎn)品進展實時數(shù)據(jù)采集和監(jiān)控，并進展性能分析、預測性維護等，既提升安全性，也為企業(yè)創(chuàng)造更多服務時機。雖然起步較晚，制造型企業(yè)也在探索和嘗試對用戶價值進展深度挖掘，其中以C2M (customer-to-manufactory，客戶到制造)最受矚目。C2M表達了定制化生產(chǎn)的特性，使制造商直接面對用戶，以滿足用戶個性化需求；同時通過減少中間環(huán)節(jié)降低成本、提升效率。紅領集團通過打造C2M電商平臺、柔性供給能力和大數(shù)據(jù)能力實現(xiàn)了大規(guī)模定制化。顧客可以在其C2M電商平臺選擇款式、工藝、材料并下單。平臺快速收

18、集顧客分散、個性化需求數(shù)據(jù)的同時，大數(shù)據(jù)和云計算技術按客戶需求匹配產(chǎn)品數(shù)據(jù)模型，其款式數(shù)據(jù)和工藝數(shù)據(jù)能滿足超過百萬萬億種設計組合，覆蓋99.9%的個性化設計需求。當版型確定后，系統(tǒng)自動生成工藝數(shù)據(jù)，工藝數(shù)據(jù)發(fā)送至工廠，工廠進展生產(chǎn)交付。整個流程從下訂單到產(chǎn)品出廠僅需7個工作日，并做到按需生產(chǎn)、零庫存、一人一版、一衣一款。阿里巴巴的“淘工廠集結上萬家工廠，將電商買家訂單與制造廠商產(chǎn)能進展對接，把柔性產(chǎn)能檔期聯(lián)網(wǎng)，解決電商買家有訂單無工廠，制造企業(yè)有產(chǎn)能無訂單的結癥。2.3工業(yè)物聯(lián)網(wǎng)智能制造要求制造系統(tǒng)具備感知、分析、決策和執(zhí)行的能力，而這些能力的核心均涉及物聯(lián)網(wǎng)相關技術，如面向感知的物聯(lián)技術傳感

19、器、RFID、芯片、面向分析的工業(yè)大數(shù)據(jù)分析和面向決策及服務的應用平臺。金準人工智能專家調(diào)研結果顯示，目前中國制造企業(yè)物聯(lián)網(wǎng)應用以感知為重點，分析和服務交融將是未來物聯(lián)網(wǎng)建設重點。受訪企業(yè)普遍建設系統(tǒng)以傳感器采集動態(tài)數(shù)據(jù)，但數(shù)據(jù)分析和平臺應用相對滯后。從行業(yè)應用來看，電子及電器行業(yè)傳感器和平臺應用最為普及，76%的受訪企業(yè)利用傳感器采集數(shù)據(jù)，43%的企業(yè)利用物聯(lián)網(wǎng)平臺，但僅有33%的企業(yè)采用大數(shù)據(jù)技術分析所采集的數(shù)據(jù)。汽車及零部件制造行業(yè)傳感器技術應用也有較高普及率達73%，但大數(shù)據(jù)和平臺應用低于其他受訪行業(yè)。制藥行業(yè)大數(shù)據(jù)技術利用最為積極，因為醫(yī)藥行業(yè)早已面臨海量數(shù)據(jù)和非構造化數(shù)據(jù)挑戰(zhàn)圖2.

20、6。感知僅是物聯(lián)網(wǎng)應用的初級階段，以數(shù)據(jù)洞察指導行動，從而提高效率，或者與服務交融創(chuàng)造新價值，才是物聯(lián)網(wǎng)的核心。云平臺通過提供強大的數(shù)據(jù)傳輸、存儲和處理能力，幫助制造企業(yè)采集和處理大量數(shù)據(jù)。工業(yè)云平臺不僅能夠實現(xiàn)企業(yè)通過平臺完成產(chǎn)品的設計、工藝、制造、采購、營銷等環(huán)節(jié)，還將改變傳統(tǒng)生產(chǎn)方式和制造生態(tài)，創(chuàng)造新的收入來源和商業(yè)模式。中國制造企業(yè)云部署現(xiàn)狀若何金準人工智能專家調(diào)研發(fā)現(xiàn)，中國制造企業(yè)云部署積極性不高。53%的受訪制造企業(yè)尚未部署工業(yè)云，47%的企業(yè)正在進展工業(yè)云部署，其中27%的企業(yè)部署私有云，14%部署公有云，6%部署混合云圖2.7。上云可以大幅降低每個單元的儲存和計算成本，甚至通過

21、跨界創(chuàng)造新的商業(yè)模式，但也帶來了復雜性。企業(yè)擔憂一旦將諸如工廠生產(chǎn)過程、資產(chǎn)性能管理的數(shù)據(jù)放到云平臺上之后，信息安全、知識產(chǎn)權問題會接踵而至。除此之外，很多企業(yè)尚未明確工業(yè)云在企業(yè)層面的商業(yè)應用和相關能力欠缺也是導致企業(yè)云部署積極性不高的原因。對于選擇公有云還是私有云，很大程度取決于企業(yè)的關注點不同。如果企業(yè)只是聚焦自己的生產(chǎn)制造，降本增效，往往不會選擇公有云；如果企業(yè)聚焦商業(yè)模式創(chuàng)新和產(chǎn)品轉型，那么會天然的更傾向于選擇公有云或混合云，因為往往涉及服務平臺，需要做到一定程度上的兼容和融合。由于目前國內(nèi)對比常見的工業(yè)云的部署以云的根基功能為主，企業(yè)把云看作虛擬服務器，在云上做存儲、計算，只有少數(shù)

22、企業(yè)通過云部署改變生產(chǎn)方式和制造生態(tài)，進展公有云和混合云部署的企業(yè)仍為少數(shù)。金準人工智能專家認為物聯(lián)網(wǎng)在智能制造領域的應用場景主要分為三類：設備與資產(chǎn)管理、產(chǎn)品洞察和服務創(chuàng)新。2.3.1設備與資產(chǎn)管理具備感測與聯(lián)網(wǎng)功能的系統(tǒng)與大數(shù)據(jù)結合，可以實現(xiàn)設備的監(jiān)控和管理，如遠程監(jiān)控、預測性維護和互聯(lián)現(xiàn)場等。遠程監(jiān)控以物聯(lián)網(wǎng)替代傳統(tǒng)的人工巡檢機制，通過傳感器遠距離將設備數(shù)據(jù)傳輸?shù)竭\營中心。預測性維護打破傳統(tǒng)工廠按方案進展定期維護設備的運營方式，通過物聯(lián)網(wǎng)對設備整個生命周期進展全程監(jiān)控，并預測設備未來可能發(fā)生的故障，提前制定預防性維護方案，減少故障率并提高生產(chǎn)效率。物聯(lián)網(wǎng)還可以連接和監(jiān)控廠房的工業(yè)裝置和設

23、備，獲得有見解的分析，從而幫助跨工業(yè)設備、生產(chǎn)線以及在整個工廠范圍內(nèi)優(yōu)化性能和效率。當然，除了新廠房，老廠房和設備在沒有更新?lián)Q代之前，也有聯(lián)網(wǎng)監(jiān)控的需要，若何在現(xiàn)有設備上進展物聯(lián)網(wǎng)改造是值得企業(yè)關注的問題。2.3.2產(chǎn)品洞察制造企業(yè)往往不太了解自己的產(chǎn)品若何被使用，而物聯(lián)網(wǎng)將改變這一現(xiàn)狀。在產(chǎn)品投入使用后，制造廠商可以通過物聯(lián)網(wǎng)與產(chǎn)品建設并保持聯(lián)系，收集動態(tài)數(shù)據(jù)，以更加系統(tǒng)的方式實時地持續(xù)地分析產(chǎn)品使用情況。在了解客戶對產(chǎn)品的使用方式后，廠商還可以基于數(shù)據(jù)預測客戶需求，開發(fā)個性化產(chǎn)品和新的服務工程，提高產(chǎn)品附加值。2.3.3服務創(chuàng)新基于數(shù)據(jù)和平臺提供后市場服務，物聯(lián)網(wǎng)與服務交融實現(xiàn)商業(yè)模式創(chuàng)新

24、。物聯(lián)網(wǎng)協(xié)助制造企業(yè)更有效捕捉和預測市場需求，創(chuàng)造動態(tài)化、個性化的智能服務、咨詢服務、數(shù)據(jù)服務、物聯(lián)網(wǎng)金融與保險等新的服務種類。這類應用將打破企業(yè)原來的邊界，從全社會的維度思考制造資源的優(yōu)化，客戶和制造端的互動以及各種商業(yè)模式的創(chuàng)新。企業(yè)需要評估自身業(yè)務需要，明確商業(yè)目標、相關流程和預期結果的范圍，在考慮技術可擴展性、性能、帶寬經(jīng)濟和技術創(chuàng)新等級后，才能對數(shù)據(jù)和物聯(lián)網(wǎng)系統(tǒng)的處理架構做出明智的選擇。2.4重構未來商業(yè)模式智能制造不僅能夠幫助制造型企業(yè)實現(xiàn)降本增效，也賦予企業(yè)重新思考價值定位和重構商業(yè)模式的契機。同時，新進入者也在不斷挑戰(zhàn)傳統(tǒng)市場參與者的地位，眾多技術型企業(yè)參加戰(zhàn)場推開工業(yè)企業(yè)探索

25、商業(yè)模式上的創(chuàng)新。金準人工智能專家調(diào)研發(fā)現(xiàn)企業(yè)對未來商業(yè)模式的規(guī)劃大致呈四類：30%的受訪企業(yè)未來商業(yè)模式將以平臺為核心，26%的企業(yè)走規(guī)?；ㄖ颇Ｊ?，24%以“產(chǎn)品+服務為核心向解決方案商轉型，12%以知識產(chǎn)權為核心圖2.8。平臺型商業(yè)模式定位以提供多種軟件服務和搭建生態(tài)系統(tǒng)為核心，未來可能不會出現(xiàn)類似BAT這樣的行業(yè)巨頭，但不乏垂直行業(yè)領軍企業(yè)或平臺。規(guī)模化定制模式，如C2M已經(jīng)不局限于服裝制造，而延伸到汽車和裝備制造等行業(yè)?！爱a(chǎn)品+服務為核心旨在圍繞客戶需求提供解決方案，是目前很多企業(yè)在做的。以知識產(chǎn)權為核心的企業(yè)往往通過專利戰(zhàn)略，形成技術壁壘占領市場。不同商業(yè)模式的價值定位和價值創(chuàng)造方

26、式不同，所面臨的挑戰(zhàn)也不盡一樣圖2.9。企業(yè)需要持續(xù)審視自己的商業(yè)模式，通過評估自身運營情況進展適當?shù)馗纳撇⒍ㄆ谠u估其他商業(yè)模式是否具有可行性。2.5人工智能人工智能對制造業(yè)的影響主要來自兩方面：一是在制造和管理流程中運用人工智能提高產(chǎn)品質(zhì)量和生產(chǎn)效率；二是對現(xiàn)有產(chǎn)品與服務的徹底顛覆。隨著國內(nèi)制造業(yè)自動化程度提高，機器人在制造過程和管理流程中的應用日益廣泛，而人工智能更進一步賦予機器人自我學習能力。結合數(shù)據(jù)管理，導入自動化設備及相關設備的聯(lián)網(wǎng)，機器人通過機器學習分析，可以實現(xiàn)生產(chǎn)線的精準配合，并更準確的預測和實時檢測生產(chǎn)問題。人工智能在制造業(yè)產(chǎn)品和服務領域的應用那么更具有顛覆性。產(chǎn)品本身就是人

27、工智能的載體，硬件與各類軟件結合具備感知、判斷的能力并實時與用戶、環(huán)境互動。而產(chǎn)品的功能和服務，也將顛覆原有生態(tài)系統(tǒng)。以汽車產(chǎn)業(yè)為例，傳統(tǒng)汽車行業(yè)的競爭格局是金字塔型整車廠處于頂端，各級別供給商跟隨其后。但是在智能汽車時代，整車廠的主導地位將受到嚴峻挑戰(zhàn)，零部件廠商、互聯(lián)網(wǎng)巨頭、算法公司、芯片制造商、傳感器供給商等企業(yè)無不加快對無人駕駛技術的研發(fā)和商業(yè)化步伐，并期望通過占據(jù)技術制高點打破汽車產(chǎn)業(yè)的生態(tài)平衡。中國制造企業(yè)人工智能應用情況若何金準人工智能專家智能制造調(diào)研發(fā)現(xiàn)，51%的受訪企業(yè)在制造和管理流程中運用人工智能，46%的受訪企業(yè)在產(chǎn)品和服務領域已經(jīng)或方案部署人工智能圖2.10。制造和管理

28、流程中人工智能的運用更偏向系統(tǒng)自動化和制造精益化，目的是提高生產(chǎn)效率和產(chǎn)品質(zhì)量，同時人也被解放出來，可以去思考更復雜的問題。主要應用場景包括使用機器人實現(xiàn)流程自動化、柔性制造、定制化生產(chǎn)、質(zhì)量檢測等。在產(chǎn)品和服務領域人工智能的運用更側重產(chǎn)品和服務與使用者的互動，典型應用包括研發(fā)和新品測試、用戶行為分析、自動駕駛等。當然人工智能仍處在其開展早期，技術突破及商業(yè)論證需要更長時間。另外，人工智能應用環(huán)境和根基設施的完善程度，信息和安全法規(guī)、企業(yè)自身的能力都成為企業(yè)面臨的主要挑戰(zhàn)。我們發(fā)現(xiàn)，對于尚未部署人工智能的制造企業(yè)來說，缺乏投資人工智能的商業(yè)論證、尚不具備建設和支持人工智能的系統(tǒng)能力、尚不明確部

29、署人工智能的前提為主要挑戰(zhàn)圖2.11。人工智能正迅速滲透各行各業(yè)。汽車及汽車零部件制造、高端裝備制造、電子及電器制造三個行業(yè)在制造流程中采用機器人的比例過半。汽車及零部件制造行業(yè)使用機器人的企業(yè)比例到達80%，預示未來工業(yè)機器人的市場增量將主要來自非汽車行業(yè)。在產(chǎn)品和服務領域已經(jīng)或方案部署人工智能的行業(yè)分布對比均勻，高端裝備制造和制藥比例較高，但其他行業(yè)如新材料、汽車及零部件、航空航天、電子及電器也正在或方案部署人工智能。行業(yè)對人工智能的理解已隨著算法、技術和應用的開展，越來越加深。對于企業(yè)而言，應跳出人工智能僅是“機器換人的既定思維，在精益制造、產(chǎn)品質(zhì)量、用戶體驗等多方面進展部署。三、跨越能

30、力鴻溝重構商業(yè)模式是一項復雜艱巨的任務，我們請企業(yè)就實現(xiàn)設想中的商業(yè)模式所面臨的能力鴻溝進展打分，綜合來看，商業(yè)模式優(yōu)化、創(chuàng)新管理以及云部署為企業(yè)能力建設三大關鍵任務，金準人工智能專家建議分別從以下幾個方面入手提升能力：3.1商業(yè)模式優(yōu)化優(yōu)化商業(yè)模式可能僅需要改變或改良目前模式中局部元素，也可能涉及改變整體運營模式的重大轉型。在過去的15年里，由于技術、通信、物流和交通等方面的迅速進步，整體運營模式的重大轉型已更為常見。企業(yè)需要運用行之有效的方法和工具，從以下工作流程各環(huán)節(jié)入手優(yōu)化商業(yè)模式：企業(yè)轉型整編：優(yōu)化現(xiàn)有商業(yè)模式，包括從原材料采購到產(chǎn)品銷售過程所涉及的一切環(huán)節(jié)，挖掘可以整體改動或局部改良的待優(yōu)化環(huán)節(jié)，以